rocky55 最近的时间轴更新 rocky55 最近的时间轴更新 |
rocky55V2EX 第 384522 号会员，加入于 2019-02-16 21:45:46 +08:00 |
midday.me
| 从 PDF 和图片提取表格的小工具 分享创造 • rocky55 • 145 天前 • 最后回复来自 psyer | 8 |
rocky55 最近回复了
153 天前 回复了 rocky55 创建的主题 › 分享创造 › 从 PDF 和图片提取表格的小工具 |
@geeekr 如果发票是 PDF 我觉得直接写代码取会更好，如果是图片我也觉得需要针对发票优化，确实没有发票这种数据去到模型里，严格来说发票很难定义成表格结构。
156 天前 回复了 rocky55 创建的主题 › 分享创造 › 从 PDF 和图片提取表格的小工具 |
我的做法是 PDF 到图片，然后训练模型得到表格的结果，[extract table from pdf]( https://tableninjia.com/post/how_extract_table_from_pdf ) 和 [extract table from image]( https://tableninjia.com/post/how_extract_table_from_image) 有写简单的 pipline
2020-08-06 18:43:41 +08:00 回复了 kisshere 创建的主题 › MySQL › MySQL 存储了 100 万个词组，给出一字符串，怎样最快找出 100 万个词组中存在的词组？ |
100 w 前缀树的方式存储应该也不会太占内存，如果词不是很长，如果是英文应该就更省了
2020-08-06 18:41:39 +08:00 回复了 kisshere 创建的主题 › MySQL › MySQL 存储了 100 万个词组，给出一字符串，怎样最快找出 100 万个词组中存在的词组？ |
100 w 好像不多直接放内存，AC 自动机，速度应该不会慢
2020-08-06 18:26:03 +08:00 回复了 Beeethoven 创建的主题 › 程序员 › 国内有什么好用的 PDF 文档 OCR 产品吗 |
或许我能做，现在的输出是 xml 能定位图片和文字表格，目前的输出是 xml， 主要是 C++ 和 python 写的,实在有需要可以 [email protected]
2019-02-17 09:02:12 +08:00 回复了 wvvW 创建的主题 › 算法 › 自然语言处理序列标注算法实现 |
Select Language